Developing and Testing Gluten-Free Spaghetti using Quinoa
Notice bibliographique
Résumé
The goal of this study was to make quinoa pasta only with flour and water using extrusion processing and to compare quinoa spaghetti with commercial spaghetti from Barilla containing gluten thanks to physico-chemical tests. First, using a KitchenAid, several tests were carried out in order to find the recipe with a suitable proportion of water and quinoa flour. After the moisture content has been found, three formulations with the same moisture content (38%) were selected using several percentage of pre-gelatinization (20%, 30% and 40%) in order to compare the influence of level of pre-gelatinization on dough properties. The pre-gelatinization was in order to improve the texture and the appearance of pasta because with 38% of moisture content without pre-gelatinization, pasta were too breakable and sticky. However, as regarding results on physico-chemical properties, pre-gelatinization had increased the percentage of cooking loss and the water activity. Moreover, the pre-gelatinization did not have an impact on moisture content, unit density, cooking time and the texture. Concerning the color, the pre-gelatinization had improved the lightness only for 30% of pre-gelatinization. The main problem with the pre-gelatinization was an excessive starch swelling which caused damage, an irreversible disruption of the protein-starch network. Moreover, the optimal formulation (30%) used to produce quinoa pasta with extruder, did not have good results. According to sensory analysis, the major problem with quinoa pasta was due to the texture, which was too breakable, with a lack of firmness, as well as the color of quinoa pasta.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».